NeurIPS 2026 论文:RL 学到的单技能难以组合成复杂推理
StanfordAILab · x · 2026-11-17
论文《Compositional Reasoning in Language Models under Reinforcement Learning Post-Training》被 NeurIPS 2026 接收,研究 LLM 能否将通过 RL 学到的单个推理技能组合起来解决复杂问题。
核心发现:
- 在单个技能上训练,向组合任务的迁移效果很差;
- 反向迁移更强:组合任务训练对单个技能的帮助大于技能训练对组合任务的助益。
这对「先分技能训练再拼装能力」的常见 RL 后训练思路是一个警示。
所属事件:研究称RL后训练学到的技能难以组合成复杂推理(2 条相关)→
「研究」频道最新
- AgentClinic 升级:开源 3D 具身医院 GTAgentClinic,医生智能体接诊病人智能体 — HealthcareAIGuy · 2026-11-17
- Open Vision Banana 开源复现:把图像生成器改造成多任务视觉感知系统 — NielsRogge · 2026-11-17
- 最大浏览器 Agent 基准 WebArena-Pro 发布,最佳成绩仅 62.3% — xhluca · 2026-11-17
- OpenAI 研究警告:模型越强,思维链将越难被监控 — gleech · 2026-11-17
- 新预印本统一多基因与单基因范式,用纵向EHR做个性化疾病风险分层 — anshulkundaje · 2026-11-17
- ICLR 作者吐槽:审稿像在讨好 Agent 而非人类研究者 — murat_kocaoglu_ · 2026-11-17